新生儿反复经历疼痛刺激(如免疫接种、足底采血和外科手术等),会引起神经系统发生变化,这将会导致发育迟缓和学习障碍。疼痛评估是疼痛管理的重要基石,因此,有效提高新生儿疼痛评估的质量和效率,对新生儿的健康成长有重要意义。本文对新生儿疼痛表情识别技术进行了新的探索,重点研究了深度学习领域中深层三维卷积神经网络算法,并成功将其应用于基于视频分析的新生儿疼痛评估。主要工作内容如下:(1)建立新生儿面部表情视频库。经与儿童医院的沟通与合作,采集了不同状态下的新生儿面部表情视频,经过剪辑、归一化等预处理操作,建立了一个包含平静、哭泣、轻度疼痛和重度疼痛四种表情的新生儿面部表情视频库。(2)研究了一种基于三维膨胀卷积神经网络(Inflated-3D ConvNet,I3D)的新生儿疼痛评估方法。I3D将基础二维卷积神经网络扩展成三维卷积的结构形式,能够同时提取新生儿面部表情视频的空间特征和时间特征。此外,I3D采用多个不同尺寸的三维卷积核提取不同尺度的特征,获得了更好的特征表示。(3)研究了一种基于深度三维残差卷积神经网络(Deep Residual-3D ConvNet,DR3D)的新生儿疼痛评估方法。算法核心是将三维卷积分解为2D空间卷积和1D时间卷积,极大地减少了三维卷积带来的巨大参数量,降低深层网络的计算难度。本文采用微调训练的实验方法,在新生儿面部表情视频库上的识别率为66.54%。(4)研究了一种基于三维时域卷积神经网络(Temporal-3D ConvNet,T3D)的新生儿疼痛评估方法。T3D通过时间过渡层模拟可变时间维度的三维卷积核,连接不同时间维度的时间特征,可有效融合新生儿面部表情视频的短期、中期和长期时间信息。该方法最终在新生儿面部表情视频库上也取得了较好的实验结果。